論文の概要: Hierarchical Evolutionary Optimization with Predictive Modeling for Stable Delay-Constrained Routing in Vehicular Networks

• arxiv url: http://arxiv.org/abs/2503.12050v1
• Date: Sat, 15 Mar 2025 08:51:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:32:42.787654
• Title: Hierarchical Evolutionary Optimization with Predictive Modeling for Stable Delay-Constrained Routing in Vehicular Networks
• Title（参考訳）: 安定遅延制約付きルーティングの予測モデルによる階層的進化最適化
• Authors: Zhang Zhiou, Guo Weian, Zhang Qin, Lin Haibin, Li Dongyang,
• Abstract要約: Vehicular Ad Hoc Networks (VANETs) はインテリジェントトランスポートシステムの基盤であり、車両とインフラ間のリアルタイム通信を促進する。 本稿では,車載ネットワークにおける遅延制約付きルーティングのための階層的進化最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.449894994514711
• License:
• Abstract: Vehicular Ad Hoc Networks (VANETs) are a cornerstone of intelligent transportation systems, facilitating real-time communication between vehicles and infrastructure. However, the dynamic nature of VANETs introduces significant challenges in routing, especially in minimizing communication delay while ensuring route stability. This paper proposes a hierarchical evolutionary optimization framework for delay-constrained routing in vehicular networks. Leveraging multi-objective optimization, the framework balances delay and stability objectives and incorporates adaptive mechanisms like incremental route adjustments and LSTM-based predictive modeling. Simulation results confirm that the proposed framework maintains low delay and high stability, adapting effectively to frequent topology changes in dynamic vehicular environments.
• Abstract（参考訳）: Vehicular Ad Hoc Networks (VANETs) はインテリジェントトランスポートシステムの基盤であり、車両とインフラ間のリアルタイム通信を促進する。 しかし、VANETの動的な性質は、特に経路安定性を確保しつつ通信遅延を最小限に抑える上で、ルーティングにおいて大きな課題をもたらす。 本稿では,車載ネットワークにおける遅延制約付きルーティングのための階層的進化最適化フレームワークを提案する。 多目的最適化を活用することで、フレームワークは遅延と安定性の目標のバランスを保ち、インクリメンタルなルート調整やLSTMベースの予測モデリングのような適応的なメカニズムを組み込む。 シミュレーションの結果,提案フレームワークは低遅延と高安定性を維持し,動的車両環境におけるトポロジーの頻繁な変化に効果的に適応することを確認した。

関連論文リスト

• Multi-Objective Communication Optimization for Temporal Continuity in Dynamic Vehicular Networks [7.951541004150428]
  Vehicular Ad-hoc Networks (VANETs) は、高モビリティ、時間変化のあるチャネル条件、頻繁なネットワークディスラプションを特徴とする、非常にダイナミックな環境で運用されている。 本稿では,VANET のための時間対応多目的ロバスト最適化フレームワークを提案する。 通信遅延、スループット、信頼性を同時に最適化し、急速に変化する条件下で安定した一貫した通信経路を確保する。
  論文  参考訳（メタデータ） (2024-11-30T08:55:15Z)
• Latency Optimization in LEO Satellite Communications with Hybrid Beam Pattern and Interference Control [20.19239663262141]
  低軌道(LEO)衛星通信システムは次世代用途に不可欠な高容量で低遅延のサービスを提供する。 LEO星座の密な構成は資源配分最適化と干渉管理の課題を提起する。 本稿では,マルチビームLEOシステムにおけるビームスケジューリングとリソース割り当てを最適化するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-14T17:18:24Z)
• Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
  本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-11-01T00:37:00Z)
• DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation [58.62766376631344]
  本稿では、無線通信ネットワークの異なる状態変化に対応するために、カスタマイズされた無線ネットワークインテント(WNI-G)モデルを提案する。 大規模シミュレーションにより、動的通信システムにおけるスペクトル効率と従来のDRLモデルの変動の安定性が向上する。
  論文  参考訳（メタデータ） (2024-10-18T14:04:38Z)
• Scalable Multi-Objective Optimization for Robust Traffic Signal Control in Uncertain Environments [7.504173535502228]
  本稿では,動的かつ不確実な都市環境におけるロバストな交通信号制御のための,スケーラブルな多目的最適化手法を提案する。 都市交通の不確実性に対処する適応ハイブリッド多目的最適化アルゴリズム(AHMOA)を提案する。 シミュレーションはマンハッタン、パリ、サンパウロ、イスタンブールなど様々な都市で行われている。
  論文  参考訳（メタデータ） (2024-09-20T10:42:16Z)
• A Data-driven Resilience Framework of Directionality Configuration based on Topological Credentials in Road Networks [0.5154704494242526]
  本稿では,最適化に基づくBrute Force検索手法と意思決定支援フレームワークを統合した新しい道路再構成手法を提案する。 提案フレームワークは、最適化プロセス中に生成されたシナリオからの入力を組み合わせ、マルチ基準決定分析アプローチを取り入れている。 道路構成のランク付けには、リッジ回帰などの機械学習アルゴリズムを使用して、各基準に対する最適な重みを決定する。
  論文  参考訳（メタデータ） (2024-01-14T21:22:22Z)
• Eco-Driving Control of Connected and Automated Vehicles using Neural Network based Rollout [0.0]
  接続された自動運転車は、エネルギー消費を最小化する可能性がある。 既存の決定論的手法は、一般に高い計算とメモリ要求に悩まされる。 本研究ではニューラルネットワークを介して実装された階層型マルチ水平最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T23:13:51Z)
• PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for Traffic Flow Prediction [78.05103666987655]
  空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。 本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。 提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
  論文  参考訳（メタデータ） (2023-01-19T08:42:40Z)
• Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
  チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。 我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2022-08-17T02:01:18Z)
• Learning Fast and Slow for Online Time Series Forecasting [76.50127663309604]
  Fast and Slow Learning Networks (FSNet)は、オンライン時系列予測のための総合的なフレームワークである。 FSNetは、最近の変更への迅速な適応と、同様の古い知識の取得のバランスを取る。 私たちのコードは公開されます。
  論文  参考訳（メタデータ） (2022-02-23T18:23:07Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。